基于大數據的銀行業管理路徑探索

陳曉雁 CHEN Xiao-yan；沈文華 SHEN Wen-hua；陳群 CHEN Qun；郭徵硯 GUO Zhi-yan

（廣東工業大學管理學院，廣州510520）

1 大數據概念

大數據，或稱巨量資料，指的是所涉及的資料規模巨大到無法透過目前主流的軟件工具，在合理時間內達到擷取、管理、處理、并整理成為幫助企業經營決策更積極目的的資訊。大數據時代的特征主要表現在三個方面：一是數據體量龐大，傳統互聯網和移動網絡終端的交互信息、物聯網中的商品與物流信息以及企業內部的經營交易信息等都是大數據時代的數據來源；二是數據種類多元化，伴隨著社交網絡、移動計算、傳感器等新興渠道和技術的不斷應用，圖片、視頻、郵件和文檔等非結構化數據在數據庫中占比已達85%以上[1]；三是數據價值密度低，深度挖掘和分析數據價值是關鍵，云計算技術的應用能有效地將大數據轉化為可操作信息。

2 大數據時代銀行業的現狀

隨著大數據時代的來臨，尤其是具有先進數據分析技術的互聯網金融企業（如阿里貸款）的興起，銀行的業務及發展不可避免地受到巨大沖擊。各種電子支付手段的產生，社交網絡的流行，催生了大量的不同以往的用戶數據。而銀行業傳統的數據分析模式顯然無法滿足要求，海量數據蘊含的巨大價值無法最大程度的發揮出來。可見，銀行業基于大數據的管理優化亟需更新、改進，方能保持競爭優勢，捍衛住銀行業在國民經濟中的地位。

3 大數據時代對銀行業提出的挑戰

電子商務的深入推進使電子銀行觸及社會經濟活動的各個領域，智能終端的發展也使電子銀行打破時空的界限。數據的龐雜性以及數據的規模對銀行的數據存儲、處理能力等方面都提出了挑戰。

3.1 對數據收集能力的挑戰 大數據的數據量之所以如此巨大，首先在于數據的來源極其廣泛，存在于各種社交網絡、物聯網、電子商務等媒介中。如何通過多種途徑對用戶數據進行收集，如何選擇效用最大的數據源頭以及如何對數據的有效性、真實性進行甄別，對于金融行業，特別是業務量巨大的銀行業來說，十分重要。

3.2 對數據存儲能力的挑戰 由麥肯錫的報告《大數據：創新、競爭和生產力的下一個前沿領域》可知，目前政府、傳媒、銀行、證券、公用事業等行業平均每家企業存儲數據總量已經超過1PB。最高的證券行業，平均存儲數據量已經近4PB[2]，幾乎已經到了“數據就是業務本身”的地步，傳統的數據倉庫遠不能滿足其存儲需求。面對海量的非結構化數據，如何解決數據存儲的問題，關系重大。

3.3 對數據分析能力的挑戰 鑒于數據體量大，來源廣泛，數據類型豐富，對數據進行分析儼然成為最大的挑戰。對于企業來說，大數據最有意義的是其通過處理和分析后被發掘出來的價值——無論是商業價值還是社會價值。[3]大數據雖說可以帶來高效益，但是利用成本也很高。海量的非結構化的數據分析要求更加專業的分析工具，更加優秀的數據挖掘人才以及更加突出的技術處理能力。如何在大量繁雜的數據中挖掘出真正有價值的信息，是企業面臨的最大難題。

3.4 對信息安全的挑戰 隨著IT技術的不斷發展，不僅個人用戶的數據容易被人竊取，銀行的數據也面臨著被竊取的威脅。銀行的數據是個人用戶數據的集合，銀行數據的重要性不僅在于其涉及到客戶的隱私，而且在于其關系到整個銀行業，甚至整個國家的經濟安全。提高數據的安全性，是首先必須保證的。

4 大數據時代下，銀行業的管理路徑探索

大數據時代使得金融企業處于一個新的起跑線上，那些率先進行技術改革的企業，將能更大程度地利用大數據搶占先機，在行業中處于高位。

4.1 完善獲取數據的手段 大數據時代，大部分的數據來源于各種社交網絡平臺、電子商務媒介，企業必須采用各種手段獲取這些數據。考慮到自主獲取的成本大，技術難度高，一般企業難以實現，因此最合適的做法是相互合作，通過與社交網絡、互聯網企業合作，出讓一部分利益，獲取海量的用戶數據，以最小的成本獲取巨大的數據資源。

4.2 選擇更加合適的存儲平臺 大數據時代下，數據量的增長遠遠超過構建數據倉庫的傳統數據庫技術的管理能力。對于高安全級別的大數據處理來說，其軟硬件成本、人力成本、管理成本、安全性成本、效率與性能成本都是不可忽視的重要因素。企業應當投入資金，通過引進尖端技術構建一個安全穩定的數據存儲平臺，如打造金融數據倉庫和大數據倉庫，突破數據倉庫的性能和擴展瓶頸，為金融企業決策分析提供支持[4]。

4.3 提升數據分析的能力 大數據的價值不在于數據量大，而在于通過數據過濾消除大量繁雜數據的干擾后，能夠深度挖掘和分析數據，獲得價值。基于此，IT行業將逐漸由技術支持轉向信息服務供應，云計算技術承載大數據信息解決方案將是時代發展的必然趨勢。銀行業實現大數據處理，一方面可引進高端技術人才以及專業分析設備，在滿足數據處理需要的同時，也能獨享商機；另一方面可與IT行業合作。IT行業擁有最高新的、專業的分析技術，以及不斷創新的思維模式，能夠實現對大數據的深度挖掘與精確分析。

4.4 強化數據的安全性 銀行業的用戶數據具有高度的敏感性，隨著網絡世界的復雜化程度加深以及黑客手段的不斷變化，網絡安全是銀行業安全監控的重中之重。銀行要隨時改進網絡的安全配置，尤其要保障云安全，因為云端的海量數據對黑客來說是極具吸引力的。此外，數據的收集、存儲、訪問、傳輸等都不可避免要借助于移動設備，其在為人們帶來工作便利的同時，也給企業帶來了更大的安全隱患。所以，確保企業管理者和員工不被動成為黑客的幫手，對其移動設備的監測以及防范是必不可少的[5]。

4.5 堅持效益導向[6]不管是采用何種技術，其最終目的都是為了提升企業的效益。對于企業來說，計劃以及實施的選擇必須堅持效益導向。大數據蘊含海量資源，利用好的話可以帶來高效益，但其利用成本也很高，不僅要有大數據來源還要有人才與技術處理能力，同時也需要投入資源對數據的存儲、分析平臺進行維護。所以，企業是否進行大數據投資必須斟酌再三，在改革創新，引進新技術的同時一定要考慮本身的效益。

4.6 明確大數據分析在企業中的定位 大數據時代的到來為企業發展提供了一個難得的機遇，但是對于大部分企業而言，挖掘數據價值對企業的發展主要起輔助作用，千萬不可以本末倒置，忽視主營業務的發展。要意識到企業最需要發展的是自身的核心業務能力以及本領域所需要的技術，并在此基礎上，利用大數據為核心業務服務，推進企業更合理、更高效、更全方位地發展。

[1]李璠,賈鴻飛.大數據時代銀行業的機遇與挑戰[J].中國金融電腦,2012(12):25-29.

[2]韋雪瓊,楊曄,史超.大數據發展下的金融市場新生態[J].時代金融,2012(7):173-174.

[3]王炳晨.把握中國企業的大數據機遇[J].微電腦世界,2012(8):120.

[4]王珊.金融企業大數據技術選擇策略[J].金融電子化,2012(6):46-48.

[5]亓冬,吳洋,彭默馨.直面大數據對信息安全的挑戰[J].信息安全,2012(8):48-50.

[6]胡小明.大數據之路——以應用為中心[J].信息化建設,2013(1):14-15.